« Vecteur contextuel compact » : différence entre les versions
m (Claude COULOMBE a déplacé la page Vecteur dense contextuel vers Vecteur contextuel dense) |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
Modèle résultant de l'opération mathématique qui permet de passer d'une représentation catégorielle et de son contexte à une représentation vectorielle dense (i.e. de plus faible dimension) et continue (i.e. des nombres réels). | Modèle résultant de l'opération mathématique qui permet de passer d'une représentation catégorielle et de son contexte à une représentation vectorielle contextuelle dense (i.e. de plus faible dimension) et continue (i.e. des nombres réels). | ||
Il en découle que des objets similaires possèdent des vecteurs correspondants qui sont proches dans l'espace vectoriel où sont définis ces vecteurs. | Il en découle que des objets similaires possèdent des vecteurs correspondants qui sont proches dans l'espace vectoriel où sont définis ces vecteurs. | ||
| Ligne 6 : | Ligne 6 : | ||
Il s'agit d'une représentation distribuée qui tente de décrire le sens d'un objet en considérant ses relations avec d'autres objets de son contexte. | Il s'agit d'une représentation distribuée qui tente de décrire le sens d'un objet en considérant ses relations avec d'autres objets de son contexte. | ||
Typiquement, on crée un vecteur dense | Typiquement, on crée un vecteur contextuel dense avec un algorithme qui réduit la dimension de la représentation afin de rapprocher les objets similaires et d'éloigner les objets différents. | ||
==Compléments== | ==Compléments== | ||
L'algorithme de création d'une représentation par un vecteur dense | L'algorithme de création d'une représentation par un vecteur contextuel dense procède par approximation pour passer d'une représentation discrete qui prend en compte un objet et son contexte (statique, dynamique, plus ou moins étendu) vers une représentation contextuelle dense (i.e. de plus faible dimension) et continue (i.e. vecteur de nombres réels). D'où la proposition du terme « vecteur contextuel dense » ou encore « plongement neuronal » puisque ce sont souvent des algorithmes à base de réseaux de neurones. | ||
<hr/> | <hr/> | ||
La modélisation par vecteur dense | La modélisation par vecteur contextuel dense, bien que souvent appliquée aux mots, [[vecteur-mot]] (word embedding), ne se limite pas à ces derniers et peut être appliquée à des phrases, des documents, des paragraphes, etc. La représentation vectorielle contextuelle dense peut également s'appliquer à d'autres représentations catégorielles comme les différentes marchandises dans un magasin. | ||
<hr/> | <hr/> | ||
Une représentation vectorielle dense | Une représentation vectorielle contextuelle dense peut également être vue comme une représentation latente. | ||
<hr/> | <hr/> | ||
On distingue trois principaux usages des vecteurs denses | On distingue trois principaux usages des vecteurs contextuels denses: | ||
*identifier les plus proches voisins d'un objet ou d' | *identifier les plus proches voisins d'un objet ou d'un concept; | ||
*enrichir l'entrée de données d'un algorithme; | *enrichir l'entrée de données d'un algorithme; | ||
*visualiser des objets ou des concepts et leurs relations. | *visualiser des objets ou des concepts et leurs relations. | ||
| Ligne 25 : | Ligne 25 : | ||
==Français== | ==Français== | ||
'''vecteur dense contextuel''' | '''vecteur contextuel dense''' | ||
'''vecteur contextuel''' | |||
'''représentation vectorielle dense''' | '''représentation vectorielle dense''' | ||
Version du 8 décembre 2022 à 15:02
Définition
Modèle résultant de l'opération mathématique qui permet de passer d'une représentation catégorielle et de son contexte à une représentation vectorielle contextuelle dense (i.e. de plus faible dimension) et continue (i.e. des nombres réels).
Il en découle que des objets similaires possèdent des vecteurs correspondants qui sont proches dans l'espace vectoriel où sont définis ces vecteurs.
Il s'agit d'une représentation distribuée qui tente de décrire le sens d'un objet en considérant ses relations avec d'autres objets de son contexte.
Typiquement, on crée un vecteur contextuel dense avec un algorithme qui réduit la dimension de la représentation afin de rapprocher les objets similaires et d'éloigner les objets différents.
Compléments
L'algorithme de création d'une représentation par un vecteur contextuel dense procède par approximation pour passer d'une représentation discrete qui prend en compte un objet et son contexte (statique, dynamique, plus ou moins étendu) vers une représentation contextuelle dense (i.e. de plus faible dimension) et continue (i.e. vecteur de nombres réels). D'où la proposition du terme « vecteur contextuel dense » ou encore « plongement neuronal » puisque ce sont souvent des algorithmes à base de réseaux de neurones.
La modélisation par vecteur contextuel dense, bien que souvent appliquée aux mots, vecteur-mot (word embedding), ne se limite pas à ces derniers et peut être appliquée à des phrases, des documents, des paragraphes, etc. La représentation vectorielle contextuelle dense peut également s'appliquer à d'autres représentations catégorielles comme les différentes marchandises dans un magasin.
Une représentation vectorielle contextuelle dense peut également être vue comme une représentation latente.
On distingue trois principaux usages des vecteurs contextuels denses:
- identifier les plus proches voisins d'un objet ou d'un concept;
- enrichir l'entrée de données d'un algorithme;
- visualiser des objets ou des concepts et leurs relations.
Français
vecteur contextuel dense
vecteur contextuel
représentation vectorielle dense
plongement vectoriel
plongement neuronal
Anglais
embedding
neural embedding
Source: Géron, Aurélien (2017) Machine Learning avec Scikit-Learn - Mise en oeuvre et cas concrets, Paris, Dunod, 256 pages.
Source: Goodfellow, Ian; Bengio, Yoshua et Aaron Courville (2018), Apprentissage profond, Paris, Massot éditions, 800 pages.
Contributeurs: Claude Coulombe, Jacques Barolet, Patrick Drouin, wiki
